yolov4原理

目录

1 网络结构

1.1 CSPNet

1.1.1 CBM

1.1.2 Res-unit

---

1 网络结构

参考深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解_江大白*的博客-CSDN博客_yolo讲解

1.1 CSPNet

图中CSP1 表示x=1, 即有1个残差组件Resunit

      CSP2表示x=2, 即有2个残差组件Resunit

      CSP2表示x=8, 即有8个残差组件Resunit

我们先看以CSP1为例：

1.1.1 CBM

假设X= 1

把图中5个CBM编个号，

CBM1 =

 

CBM1 是负责下采样2倍的，Conv中的k表示卷积核大小是3x3, s表示滑动步长，s=2表示把特征图的宽高缩小2倍,BN是批量归一化，Mish是激活函数

CBM2=

 CBM2= 卷积层都是1x1的卷积核，并且步长都为1

而CBM3，CBM4，CBM5和CBM2是一样的，k和s都是1，区别就是卷积层的输出通道数可能有变换，所以每个CSP模块，只有最开始的CBM1是负责下采样2倍，其他的CBM都不会改变特征图的大小，只会改变特征图的通道数。

1.1.2 Res-unit

再看一下Res-unit

 把Resunit中的两个CBM编个号，叫CBM_a,  CBM_b

CBM_a =

 

 

 

CBM_b = 

 

 

CBM_a是卷积核 1x1，且步长为1的卷积层

CBM_b是卷积核 3x3，且步长为1的卷积层

如果是Resunit x 2， 也就是2个残差组件，即CSP2对应的

Resunit x 2 = 

类似Resunit x 8 也是一样的，就是8个残差组件

再看后面的SPP和PAN，以及head

先参考一下YOLOv4网络详解_太阳花的小绿豆的博客-CSDN博客_yolov4网络结构图

回头自己在重新绘制一下

下图中的5个DownSample就是上面我们说的5个CSP模块

从上到下 分别对应CSP1 CSP2  CSP8  CSP8 CSP4 

每经过一个CSP模块， 就会下采样两倍